用神經網路測量訓練集的半衰期

神經網路的衰變假設：被概率密度表達的粒子A和B彼此互為粒子和環境，在相互作用中被彼此微擾產生衰變，衰變產物是A的B組分和B的A組分，網路的分類準確率是兩個粒子分類準確率的和pave=Σpr。

做一個網路分類mnist的0和2，得到一組資料

f2[0]	f2[1]	迭代次數n	平均準確率p-ave	p10-1	p10-0	p01-1	p01-0	δ	耗時ms/次	耗時ms/199次	耗時 min/199	最大值p-max	平均值標準差
0.00512	0.99488	17090.6	0.98302	0.98707	0.01293	0.97917	0.02083	1.00E-04	136.92	27247	0.45412	0.98608	0.00149

Mnist的測試集裡0有980個，2有1032個，這個網路（1，0）位的分類準確率p10-1為0.987073，（0，1）位的分類準確率p01-1是0.979174，因此網路的平均分類準確率pave是

因此這組資料符合關係

現在將兩個訓練集0和2粒子化，讓他們互為粒子和環境，計算各自的半衰期T

首先讓2做環境讓0做粒子

N=17090,

P10-1=0.98707，

代入得到在2的環境中，粒子0的半衰期T是910432，

再讓0做環境讓2做粒子

N=17090，

P01-1=0.97917，

得到在0環境中粒子2的半衰期T是562859.

相關文章